The First Hardware Demonstration of a Universal Programmable RRAM-based Probabilistic Computer for Molecular Docking

기술 요약: 분자 도킹을 위한 범용 프로그래머블 RRAM 기반 확률적 컴퓨터의 첫 하드웨어 시연

문제 정의
분자 도킹은 리간드와 표적 단백질 사이의 선호되는 결합 형태를 예측해야 하는 신약 개발의 근본적인 과제입니다. 생체 분자의 구조적 다양성과 유연한 결합 모드로 인해 발생하는 방대한 탐색 공간은 기존의 컴퓨팅 방식으로는 감당하기 어렵습니다. 가우시안 보존 샘플링(GBS) 및 양자 근사 최적화 알고리즘(QAOA)과 같은 양자 컴퓨팅 접근 방식이 유망한 가능성을 보여주었으나, 확장성 제약, 하드웨어 한계, 정밀도 문제, 그리고 비-클리크(non-clique) 출력을 교정하기 위한 복잡한 후처리 알고리즘의 빈번한 필요성 등 실질적인 적용에 있어 상당한 장애물에 직면해 있습니다. 또한, 기존의 확률적 컴퓨팅(p-computing) 하드웨어는 종종 결정론적 프로세싱과 확률적 소자 생성을 분리하는 하이브리드 아키텍처(CMOS + X)에 의존하며, 이는 폰 노이만 메모리 병목 현상을 재발생시키고 효율성을 제한합니다.

방법론
저자들은 컴퓨팅 인 메모리(CIM) 스킴과 인공 튜너블 확률 비트(p-bit)를 통합한 프로토타입 확률적 컴퓨터(p-computer)를 제안하고 시연합니다.

• 하드웨어 아키텍처: 이 시스템은 이산 홉필드 신경망(DHNN) 아키텍처를 기반으로 구축되었습니다. 핵심 하드웨어는 180nm CMOS 기술과 BEOL(Back-End-Of-Line) HfO₂ 기반 저항 변화 메모리(RRAM)를 통합한 1T1R(1-트랜지스터, 1-저항) 어레이로 구성됩니다. 소자의 고유한 확률성(제조 후 고정됨)에 의존하는 기존 방식과 달리, 이 설계는 "인시투(in-situ)" 인공 p-bit를 채택합니다. 이 p-bit는 RRAM 셀과 가우시안 난수 생성기(RNG), 그리고 비교기로 구성됩니다. RRAM 어레이는 곱셈-누산(MAC) 연산을 수행하며, 가우시안 RNG는 p-bit의 출력을 조절하기 위해 동적인 임계값을 제공하여 확률성을 제어합니다.
• 알고리와 문제 매핑: 분자 도킹 문제는 그래프 상의 최대 가중 클리크 문제(MWCP)로 재정의됩니다.
  1. 그래프 구축: 리간드와 수용체에서 약리단(Pharmacophore points, PPs)을 추출합니다. 잠재적인 결합 쌍은 그래프의 정점(vertices)을 형성합니다. 유클리드 거리에 기반한 공간 적합성 검사를 통해 에지(edges)를 결정하여 결합 상호작용 그래프(BIG)를 생성합니다.
  2. QUBO 공식화: MWCP는 이차 무제약 이진 최적화(QUBO) 문제로 변환되며, 이후 DHNN에 적합한 에너지 최소화 함수로 매핑됩니다. 이 에너지 함수는 정점 가중치(결합 친화도)를 극대화하는 항과 클리크 제약(공간 적합성)을 강제하는 패널티 항을 포함합니다.
  3. 동적 경사 어닐링(Dynamic Slope Annealing, DSA): 로컬 미니마(local minima) 문제를 극복하기 위해, 저자들은 DSA 메커니즘을 도입합니다. 고정된 확률성을 사용하는 대신, 가우시안 RNG의 표준 편차($\sigma$)를 반복 과정 동안 동적으로 튜닝합니다. 시스템은 솔루션 공간을 넓게 탐색하기 위해 높은 확률성에서 시작하여, 전역 최적해(global optimum)로 수렴하기 위해 $\sigma$를 점진적으로 0까지 감소시킵니다.

주요 기여

1. 인시투 튜너블 p-비트: 본 논문은 확률성을 소자의 고유 특성으로부터 분리하는 p-bit 설계를 소개합니다. RRAM 어레이의 바이어스 전류 분포를 제로하기 위해 가우시안 RNG를 사용함으로써, 물리적 소자의 고정된 무작위성에 의존하지 않고도 튜너블한 시그모이드 입출력 특성을 달성합니다. 이는 하드웨어 구현의 기술적 장벽을 낮춥니다.
2. 계산 생물학 분야의 첫 하드웨어 시연: 본 연구는 p-컴퓨팅 하드웨어를 분자 도킹 문제에 성공적으로 적용한 첫 사례입니다.
3. 통합 CIM 프로토타입: 저자들은 HfO₂ RRAM과 180nm CMOS가 통합된 기능적 프로토타입을 제작하였으며, 폰 노이만 병목 현상을 피하는 컴팩트하고 에너지 효율적인 솔루션을 입증했습니다.
4. DSA 알고리즘: 글로벌 탐색과 로컬 수렴 사이의 균형을 맞추기 위해 해당 하드웨어에 특화된 DSA 전략을 개발했습니다.

실험 결과
시스템은 리포단백질(lipoprotein)과 그람 음성균에 대한 항생제 개발의 핵심 타겟인 LolA-LolCDE 복합체를 포함하는 42-노드 분자 도킹 문제를 해결함으로써 검증되었습니다.

• 확률성 튜닝: 가우시안 RNG의 표준 편차($\sigma$)를 변화시킨 실험 결과, 고정된 설정 중 $\sigma = 0.5$일 때 가장 우수한 성능을 보였으며, 100회의 시행 중 35%에서 최적해(최대 가중 클리크)를 식별했습니다. 낮은 $\sigma$ 값은 로컬 미니마에 갇히게 만들었고, 높은 $\sigma$ 값은 과도한 노이즈를 유발했습니다.
• DSA 성능: $\sigma$를 0.5에서 0으로 동적으로 감소시키는 DSA 전략을 적용했을 때 성능이 크게 향 향상되었습니다. 시스템은 100회의 시행 중 **72%**에서 이론적 기저 상태(누적 가중치가 0.8702인 최적 결합 형태)를 성공적으로 식별했습니다.
• 검증: 예측된 도킹 구성(4개의 소수성 상호작용과 1개의 수소 결합으로 구성)은 Protein-Ligand Interaction Profiler 도구의 결과와 밀접하게 일치했습니다.
• 비교: GBS 및 기타 양자 기반 솔버와 달리, p-컴퓨터는 클리크 특성을 강제하기 위한 후처리 알고리즘 없이 단일 단계 솔루션을 제공했습니다. 시스템은 6.5 × 4 mm² 통합 칩을 갖춘 컴팩트한 PCB에서 작동하였으며, 이는 대규모 실험실 규모의 광학 양자 시스템과 대조적입니다.

의의 및 주장
저자들은 본 연구가 계산 생물학에 p-컴퓨팅을 적용하는 데 있어 돌파구라고 주장합니다. 이 연구는 RRAM 기반 p-컴퓨터가 약물 설계에 내재된 복잡한 조합 최적화 문제를 효율적으로 해결할 수 있음을 보여주며, 확장성, 하드웨어 풋프린트, 후처리 요구 사항 제거 측면에서 현재의 양자 접근 방식을 능가함을 입증합니다. 42-노드 MWCP를 72%의 성공률로 성공적으로 해결함으로써, 본 연구는 실세계의 바이오인포매틱스 과제를 해결하기 위해 튜너블 인공 p-bit를 사용하는 것이 타당함을 입증했습니다. 저자들은 이 기술을 약물 발견을 위한 변혁적인 접근 방식으로 위치시키며, 기존 컴퓨팅 및 현재의 양자 하드웨어 한계에 대한 확장 가능하고 에너지 효율적인 대안을 제시합니다.